網站流量分析(一)理解客戶行為與驗證假設的科學

「受眾在想什麼？」從舊有的問卷統計一直延伸到易用性測試、眼球追蹤等技術含量較高的觀測方式，行銷人始終在追逐這樣的答案，我們望穿秋水恨不得馬上掌握各種影響淺意識和購物決策的手段，索性把工程師、分析師也拖了下水，在創意激盪的空檔，設法將工具摸個通透成了有苦難言的日常。

不過，數據量再龐大、再多元，也無法改變事實 — 我們不認識受眾，我們僅能抓出一些行為軌跡，藉以還原這些數位分身大致的輪廓，我們始終不了解「為何」，始終不懂的藏在螢幕後的面孔、及他們的動機，不過受眾「就是如此」的證據，已經深藏每個匹配中，記錄在我們的手上。

我們透過活潑的設計表現重塑資訊滿載的網站，透過動態的視覺與讓原本枯燥的數字與使用者情境結合，認識學校不在像是讀新聞稿，而是一場校園中的悠閒漫步。
專案名稱：1111大學網數據頁設計開發專案
合作企業：全球華人股份有限公司

為什麼寫這篇文章？

「資料科學家」（data scientist）是在數位時代最引起注目的一群專業人士，他們精通Python、R語言，統計分析或資料探勘是他們掌握趨勢的利器，但事實上，商業智慧（BI，business intelligence）的概念早在1980年代就被提出，將這個想法轉為系統化知識的這位分析師—Howard Dresner本身的單位就是強調以內外部資料作為商業決策的顧問公司，他提出決策者應該親手整理資料，藉此同時消化資料中夾帶的大量訊息以快速制訂目標和戰略要徑。

BI聽起來很遙遠，但我們身處一個MBA的教練會用AI來指導球員打球的世代，所有的活動都可以數位化，在FB、GOOGLE成為日常前，我們難以掌握每個人在網路上的分身，但現在透過語意分析、數位足跡以及興趣標籤還原後的受眾樣貌，和本人的生活輪廓已經近乎完整，而對於網站或應用程式的營運團隊，甚至於設計師來說是有益於制定更具體的優化方向。

不過，數據並不是以量取勝，意義不明的數據會對決策者產生莫大的干擾，即便是鎖定了正確的觀測指標，數據的可信度和可用度也將影響決策的品質，進一步影響到流量與轉換的成效，要兼顧這些數據搜集的細節，恐怕對管理者而言難度甚高，因此都落入了執行者—尤其是行銷部門的職責範圍。

不過，對於許多非工程、理工科背景的行銷人來說，基本功的基礎可能就要花長時間的紮跟，在上陣初期光是請工程師安裝追蹤碼，雙方就可以雞同鴨講一整天，也因為對於統計學的陌生，即使拿著數字也難以說明錯綜複雜的市場脈絡，希望這系列文章將為剛接觸網站營運或數位行銷的人提供一些觀點和引導，避免亂槍打鳥學習工具但卻沒有為分析技能培養一個穩固的基礎。

數據重要卻不是最重要

不少行銷人即時身處於行銷部門，卻也無法掌握行銷預算的制裁大權，不過，相信大家都有「記帳」的經驗吧？

平常有記帳習慣的人，隨時都可以掌握自己有哪些不必要的開支、這個月可以吃幾次大餐、可否再添購新的包包、距離買房買車的目標有多少距離⋯⋯這樣說明相信大家應該很容易理解，充足的紀錄讓人可以很快速的發現問題，也會直接降低制定決策時的風險，沒有記帳習慣的人很容易超支，或者因為情緒化產生衝動型購物的行為，學習分析工具就像懂得如何使用記帳軟體，並不會因此把你變成理財達人，但至少能夠擁有優化假設的依據，讓決策的成效能夠一次次的提升。

「有目的」蒐集數據

若想要採用數據做為營運決策的指針，首先我們應該做什麼：

A. 將數據彙整到報表進行分析

B. 規劃收集數據的方式

C. 討論商業目標及衡量指標

D. 分析數據並做出商業決策

答案是—討論商業目標及衡量指標。

若想要採用數據做為營運決策的指針，首先必須要做的第一步就是要有目標，如果只是被媽媽要求要記帳的小朋友，很容易再記帳本上隨便亂填一通，甚至為了要存到多一些的零用錢，在報銷的時候拼湊錯誤的數字；同時衡量指標的選擇以及數字的信度非常的重要，如果搞不清楚數據的來源，很可能反而被懂的數字的專家使用手法操弄，就像許多表面上有營收的公司只是帳面上數字豐腴，實際的資金帳戶則是一步步地邁向乾涸。

即便是嚴肅的主軸，也可以透過簡潔明亮的設計，讓使用者留下深刻的印象，透過平台促使對產品與服務有需求的用戶轉換為註冊會員。

專案名稱：那由他數位生命禮儀服務平台設計建置
合作企業：那由他股份有限公司
2019年正式上線

數據的品質對成敗有決定性的影響

在設定好目標後，選擇正確的指標就非常重要，譬如以新興的數位服務而言，產品的曝光量及大眾的註冊意願是首要值得關注的，其次重要的指標是會員的留存率，最後才是實際轉化為付費會員的人數，同樣的，也不可以輕忽數據的品質，舉實際案例來說，多數的內容農場喜歡將一篇文章拆成相當多頁，對多數使用者來說明明就是非常糟糕的體驗，但在報表上可以賺取更高的PV或者是更長的停留時間，經營團隊常藉此來「虛胖」自己的營運成效，誤導廣告主進行廣告版位的採購，但這些刻意被操作的數據，如果仔細驗證就很容易露出真面目。

以剛剛的例子來說，如果一個新興的數位服務只關注成為付費會員的人數，也很可能導致錯誤的決策方向，像是為了爭取更多的付費會員，以電子報疲勞轟炸已註冊的會員、隨意調整會員方案的售價、開發複雜的促銷系統，反而不是認真優化使用者在平台中的體驗、提供更優質的服務或內容，這樣的實際例子在我們身邊隨處可見，像是：透過殭屍帳號膨脹粉絲團的人數、調整報表工作階段統計的長度、使用錯誤的追蹤碼埋設方式，這些不誠實的做法都顯示人們對於KPI的盲目崇拜，數據做為決策的依據，誠實的面對數字與數字告訴我們的警訊，是建立一套數據模型的正確心態。

建立以數據為決策基礎的核心共識

行銷學上著名案例Walmart的「啤酒、尿布、星期五」，透過將啤酒放在尿布和奶粉旁邊增加兩者的銷量，在現實世界中，尤其對於相對保守及成本導向的亞洲企業來說，幾乎是一個不可能的存在，精確收集「購買者與時機」交叉分析同時會購買的產品已經不是難事，但要克服實體環境的限制，如各個通路既有的成列方式，那就不是一個簡單的工程，另外，隨著跨域市場的調整也是不少企業在決策時忽略考量的。

在日本的同樣實驗場域中，就發現了「啤酒、菜瓜布、保鮮膜」的關聯性，因為在日本的文化中負責採購啤酒的往往是已婚女性，同樣的目標很有機會引出截然不同的假設與結論。

最後，以目標必須做為共識，盡可能的清晰、聚焦，而非將數據做為決策基礎作為「願景」，從數據中抽絲剝解、驗證假設是分析師具備的精神，將數據做為決策基礎的去凝聚跨部門的共識，也是實現理想不可避免的彎路，期待看到更多公司建立這樣的文化。